人工智能的应用在超声波上预测乳腺质中的恶性瘤风险
Mariah Carneiro Wanderley1, Cândida Maria Alves Soares1, Marina Marcondes Moreira Morais1
1Department of Imaging, A.C.Camargo Cancer Center, São Paulo, SP, Brazil.
Radiologia brasileira
|January 11, 2024
概括
人工智能软件在通过超声波图像预测乳腺恶性瘤风险方面表现与放射科医生相比. 这种人工智能工具有望提高乳腺癌查的诊断准确性.
科学领域:
- 放射学 放射学是一门学科.
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 通过超声波准确预测乳腺恶性瘤风险,对于及时诊断癌症至关重要.
- 传统的放射学家解释依赖于像BI-RADS这样的标准化词典,但可能会受到观察者之间的变化.
- 人工智能 (AI) 的进步为医疗成像的客观和一致分析提供了潜力.
研究的目的:
- 评估基于人工智能的软件在预测乳腺质恶性瘤方面的诊断性能.
- 将AI软件的准确性与使用超声波图像的放射科医生评估进行比较.
- 为了确定AI软件在根据恶性瘤风险对乳腺质量进行分类方面的有效性.
主要方法:
- 在癌症转诊中心通过皮肤活检评估的555个乳腺质量的回顾性分析.
- 超声波图像由放射科医生使用BI-RADS词典和Koios DS Breast AI软件进行解释.
- 组织学分类作为评估放射科医生和AI性能的参考标准.
主要成果:
- 人工智能软件达到98.2%的灵敏度和39.0%的特异性,相当于放射科医生的99.1%的灵敏度和34.0%的特异性.
- 对恶性瘤的积极预测值在AI和放射科医生评估之间是相似的.
- 人工智能软件识别了两个假阴性病例,放射科医生将其归类为可疑的,而放射科医生则识别了四个被人工智能归类为可疑的假阴性病例.
结论:
- 这款基于人工智能的软件在预测乳腺恶性瘤风险方面,表现与放射科医生的表现相当.
- 人工智能软件显示出作为一种有价值的工具来帮助放射科医生进行乳腺质量表征的潜力.
- 需要进一步的研究来验证不同人群和成像设备的AI性能.
